Social Selectivity in Higher Education: A Case Study of Canada and the Czech Republic
Notice bibliographique
Résumé
This work examines the choices of individuals with respect to higher education in the Czech Republic and Canada. Specifically, how do the students’ socioeconomic backgrounds influence their study decisions. Data from the Czech edition of The European Union Statistics on Income and Living Conditions survey and the Canadian Survey of Labour and Income Dynamics was used to identify influences of students’ entry to university. Individuals from households with higher socioeconomic status were more likely to enter university than people who were less well off in both countries. Social selectivity is much more present in higher education in the Czech Republic than in Canada. Key words: Higher Education, Czech Republic, Canada, Social Selectivity, Logistic Regression, Ordered Statistics Ce travail examine les choix des personnes en matière d'enseignement supérieur en République tchèque et au Canada, notamment comment les antécédents socio-économiques des étudiants influencent leurs décisions relatives aux études. Les données de l'édition tchèque de l'enquête Statistiques sur le revenu et les conditions de vie de l'Union européenne et de l'Enquête canadienne sur la dynamique du travail et du revenu ont été utilisées pour identifier les influences sur l'entrée des étudiants à l'université. Dans les deux pays, les personnes issues de ménages ayant un statut socio-économique élevé étaient plus susceptibles d'entrer à l'université que les personnes moins bien loties. La sélectivité sociale est beaucoup plus présente dans l'enseignement supérieur en République tchèque qu'au Canada. Mots clés: enseignement supérieur, République tchèque, Canada, sélectivité sociale, régression logistique, statistiques ordonnées
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».